Codes de calcul industriels pour la simulation des écoulements turbulents

HAL Id: hal-03207435

https://hal.inria.fr/hal-03207435

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Distributed under a Creative Commons Attribution - NonCommercial - ShareAlike| 4.0

Codes de calcul industriels pour la simulation des

écoulements turbulents

Remi Manceau

To cite this version:

Remi Manceau. Codes de calcul industriels pour la simulation des écoulements turbulents. Master. Poitiers, France. 2021. �hal-03207435�

Codes de calcul industriels

pour la simulation des ´ecoulements turbulents

R´emi Manceau Directeur de recherche CNRS

Laboratoire de math´ematiques et de leurs applications ´

Equipe Inria Cagire

CNRS–Universit´e de Pau et des pays de l’Adour Pau, France

Master international Turbulence & Cours ´electif ENSMA A3 2020-2021

Document t´el´echargeable ici : http://remimanceau.gforge.inria.fr/Documents.html

Plan du cours

I. Introduction `a la CFD � Enjeux

� Champs d’application

� Diff´erentes composantes d’un calcul � Coˆuts de calcul

� Diff´erentes m´ethodes de mod´elisation � Vision globale des codes

5

II. Standard industriel : RANS

� Probl`eme de fermeture, similarit´es avec la m´ecanique des milieux continus

� Principes physiques et math´ematiques � Mod`eles au premier ordre

� Mod`eles au second ordre � Probl`emes li´es aux parois

III. Mod´elisation instationnaire

� Simulation des grandes ´echelles (LES=Large-Eddy Simulation) � M´ethodes statistiques instationnaires : URANS, OES, SAS � M´ethodes hybrides RANS/LES zonales et globales

Introduction `a la m´ecanique des fluides

num´erique pour les ´ecoulements

turbulents

(CFD : computational Fluid Dynamics)

1. Les enjeux de la simulation num´erique

Configuration `a ´etudier : Ici, ´ecoulement au-dessus d’une paroi avec picots (refroidissement des aubes de turbines)

Approche exp´erimentale Mesure de la temp´erature `a la paroi (cam´era infrarouge) 11 Approche num´erique Lois de conservation � masse � Quantit´e de mouvement � ´Energie

Programme informatique pour les r´esoudre do iel=1,ncell

pij = xprod(iii,jjj) phiij1 = -cvara ep(iel)*

(cssgs1*xaniso(iii,jjj)+cssgs2*(aikakj-d1s3*deltij*aii)) phiij2 = - cssgr1*trprod*xaniso(iii,jjj)

+ trrij*xstrai(iii,jjj)*(cssgr2-cssgr3*sqrt(aii)) + cssgr4*trrij*(aiksjk-d2s3*deltij*aklskl) + cssgr5*trrij* aikrjk

epsij = -d2s3*cvara ep(iel)*deltij

w1(iel) = cromo(iel)*cell f vol(iel)*(pij+phiij1+phiij2+epsij) w2(iel) = cell f vol(iel)/trrij*crom(iel)*(

cssgs1*cvara ep(iel) + cssgr1*max(trprod,0.d0) ) end do

1.2. Pourquoi faire de la simulation num´erique ?

1.2.1. Parce que l’exp´erience est impossible

Collision Voie Lact´ee/Androm`ede (dans 4 milliards d’ann´ees)

Mod´elisation de l’avenir du climat

13

1.2.2. Parce que l’exp´erience est longue/compliqu´ee/coˆuteuse/incompl`ete

A´erodynamique des voitures...

1.3. Compl´ementarit´e avec les essais en soufflerie

Exp´erience Calcul

R´ealisme physique ?

� Mesure de l’´ecoulement r´eel, mais pas en environnement r´eel (interactions complexes avec d’autres objets, condi-tions aux limites variables, perturba-tions, vibraperturba-tions, autres ph´enom`enes mals connus et non maˆıtris´es, ...)

� Mod`ele : (´equations)

� Potentiellement : tout est possible (diphasique, thermique, acoustique, ...) � Mais souvent : situation simplifi´ee

R´ealisme g´eom´etrique ?

� D´epend du niveau de d´etail de la quette, d´efauts g´eom´etriques (de la ma-quette ou r´eels non reproduits)

� Potentiellement exacte (CAO), mais en fait toujours simplifi´ee

Limitations technolo-giques ?

� Accessibilit´e limit´ee des grandeurs (en certains points ou dans certains plans, pas la pression et la vitesse au mˆeme point, etc.)

� Erreurs de mesure (quelques pour-cents)

� Toutes les grandeurs sont dispo-nibles, partout o`u on veut.

� Erreur potentiellement ´eliminable, mais d´epend de la puissance de calcul disponible

15

1.4. La question du coˆut

� D´epend beaucoup des cas et aussi de la phase de d´eveloppement :

❀ Certaines exp´eriences sont tr`es coˆuteuses (coˆut d’une journ´ee en soufflerie > 20

kE + maquettes) ou impossibles (accident nucl´eaire, par ex.)

❀ Coˆut d’un mois d’ing´enieur calcul bien inf´erieur. Mais il faut ajouter le coˆut des

licences de logiciel (codes de calcul, mailleurs, post-traitement), machines de calcul, disques de stockage, ...

❀ En phase initiale de conception, si de nombreuses solutions globales sont

envisag´ees, la simulation est tr`es int´eressante

⇒ Coˆut et d´elais de fabrication de maquettes tr`es ´elev´e.

❀ En revanche, s’il s’agit d’optimiser l’a´erodynamique en fin de cycle de

conception : tests tr`es rapides de petites modifications en soufflerie

� Le calcul est avantageux surtout en d´ebut de cycle de conception ⇒ Compl´ementarit´e

1.5. Champs d’application

1.5.1. Recherche fondamentale et appliqu´ee

Environnement Combustion Astrophysique

Physique nucl´eaire Biologie Acoustique

parmi beaucoup d’autres...

17

1.5.2. Quelques exemples industriels (RANS)

2. Les composants de la simulation num´erique

� Ce ne sont pas les pi`eces qu’on veut mailler, mais l’espace entre les pi`eces (le volume fluide), contrairement au calcul de structure, de choc, de vibrations, etc. � On a besoin d’une � peau� externe

� On doit s´electionner les pi`eces utiles

Cette ´etape peut repr´esenter des semaines de travail = Point dur

21

2.2. Discr´etisation volumique (maillage)

� Pas de solution analytique des ´equations de la m´ecanique des fluides (Navier-Stokes)

� Exemple : discr´etisation par la m´ethode des volumes finis : on divise le volume fluide en petits ´el´ements (les mailles) sur lesquelles on consid`ere les variables (3 vitesses, pression) comme constantes

N mailles = N valeurs pour chaque variable

� Approximation des ´equations ⇒ syst`eme de 4 × N ´equations `a 4 × N inconnues ⇒ on peut r´esoudre le probl`eme sur ordinateur

Maillage structur´e (hexa`edres). Meilleures propri´et´es de stabilit´e et pr´ecision num´erique. Difficult´e `a mailler des g´eom´etries complexes. Maillage non-structur´e (tetra`edres).

Maillage facile des g´eom´etries

complexes. Probl`eme en proche paroi

⇒ Maillages mixtes : hexa`edres dans la couche limite, t´etra`edres ailleurs

23

Il est crucial de �raffiner� le maillage l`a o`u on sait qu’il se passe quelque chose du

point de vue de l’a´erodynamique : � dans la couche limite ;

� aux endroits o`u il y a des d´etails g´eom´etriques ; � dans le sillage du corps, etc.

Ahmed body Control by suction

Le raffinement local permet de :

� garder un nombre de mailles raisonnable (on ne raffine pas partout), � tout en gardant une bonne pr´ecision.

La r´ealisation du maillage est donc une ´etape cruciale : � Pour la pr´ecision

� Pour le temps de calcul

Exemple d’un conduit d’admission moteur

´Ecart avec l’exp´erience : 22% 14% 6%

Temps de calcul : 1.0 3.3 1.9

25

� En th´eorie : on doit s’assurer de la convergence en maillage (que le maillage soit suffisamment fin pour que la solution obtenue soit une tr`es bonne

approximation de la solution exacte)

� En pratique : on n’a pas vraiment les moyens de l’assurer dans les configurations industrielles

Ex : calculs d’a´ero externe automo-bile chez PSA

� Malgr´e le grand nombre de mailles, les solutions d´ependent toujours du maillage ⇒ un maillage de mauvaise qualit´e (pas assez fin dans les r´egions cruciales) est une source importante d’erreur

2.3. Mod´elisation physique

La physique r´eelle est tr`es complexe : que doit-on prendre en compte ?

� Compressibilit´e du fluide (influence sur la dynamique si nombre de Mach

M = U/c > 0, 3). Acoustique.

� Thermique (convection, rayonnement, conduction)

� Diff´erentes phases : eau, bu´ee, givre, particules, carburant, etc. � R´eactions chimiques : combustion

� Interaction fluide-structure : vibrations, d´eformation pi`eces

� Environnement/g´eom´etrie variable : vent (automobile, ouvrages d’art), transitoires (ex. : arrˆet d’une centrale), pi`eces mobiles (turbines), etc. � Turbulence : on y reviendra... longuement

Il faut bien connaˆıtre la physique pour faire les bons choix

Beaucoup de ces ph´enom`enes sont difficiles `a repr´esenter ⇒ il y a beaucoup d’approximations physiques

= Troisi`eme point dur, le plus critique !

27

´Egalement : le probl`eme des conditions aux limites : � le domaine de calcul est artificiellement limit´e

� Il faut faire des hypoth`eses sur les grandeurs aux limites du domaine � Ces hypoth`eses constituent ´egalement des approximations physiques

Vitesse constante imposée

Vitesse tangentielle

Condition de sortie

3. Le coˆut de calcul li´e `a la turbulence

29

3.2. Les ´echelles turbulentes

´Ecoulement autour d’un cylindre carr´e `a Re = 22000 (DNS, Trias et al., 2015) Visualisation de la norme du gradient de pression instantan´ee

Film ici : https ://www.youtube.com/watch ?v=c8zKWaxohng

31

Domaine entier Zoom (´echelle 2)

Zoom (´echelle 3) Zoom (´echelle 4) DNS de turbulence homog`ene `a Reλ = 732.

´

Echelle int´egrale l Echelle de Kolmogorov η´

10-1 100 101 102 103 104 105 κ (m-1 ) 10-12 10-10 10-8 10-6 10-4 10-2 100 E (m 3 s -2 ) ´

Echelle int´egrale κ =2π

l

´

Echelle de Kolmogorov κ =2π

η

Espace physique

Espace spectral

(vision na¨ıve)

33

3.3. Influence du maillage

3.3.1. Turbulence libre (sans parois)

� Rapport entre les plus grands et les plus petits tourbillons : l

η ∝ Re 3/4

t

Ret = ul

ν o`uu etl sont les ´echelles caract´eristiques des plus grands tourbillons

� Exemple : sillage d’une voiture (100 km h−1₎

Ret � 150000 ⇒ l

η � 7500 ⇒ η � 100 µm

� η d´etermine la taille des mailles pour une simulation directe (DNS) � Le nombre de mailles est proportionnel `a Re9/4t

35

3.3.2. Turbulence de paroi (couche limite)

� Rapport entre les plus grands et les plus petits tourbillons ∝ Reτ

Reτ = δuτ

ν o`u δ est l’´epaisseur de la couche limite turbulente et uτ la vitesse de

frottement

� Nombre de mailles ∝ Re3τ

❀ Exemple : couche limite d’une voiture (100 km h−1)

3.4. Evaluation du coˆut de calcul

� Nombre d’op´erations en virgule flottante par it´eration :

Beaucoup de m´ethodes num´eriques ont un coˆut (nombre d’op´erations) par it´eration proportionnel `a N ln N (o`u N est le nombre de mailles).

� Le pas de temps doit ˆetre li´e `a la taille de la maille pour des raisons de stabilit´e num´erique et/ou de pr´ecision :

Nombre de Courant-Friedrich-Levy (CFL) : CFL = U_{Δx �}Δt 1 ⇒ pas de temps Δt proportionnel `a Re−3/4

� Pour que les statistiques convergent, il faut laisser les �particules fluides�

traverser le domaine au moins une dizaine de fois. � Exemple : voiture (100 km h−1₎

✄ Nombre de mailles � 1018 ✄ Nombre de pas de temps � 106 ✄ Besoins en m´emoire � 1020 octets

✄ Coˆut de calcul � 1027 op´erations en virgule flottante

37

3.5. Puissance de calcul disponible

3.5.1. Puissance des microprocesseurs

� Mesur´ee en Flops : FLoating-Point Operations Per Second (op´erations en virgule flottante par seconde)

= fr´equence d’horloge × nombre d’op´erations par cycle d’horloge Cette unit´e mesure vraiment la force brute disponible

� La puissance th´eorique est... th´eorique

❀ Puissance crˆete = nombre d’op´erations que le ou les processeurs (CPU) de la

machine peuvent r´ealiser

❀ Puissance r´eelle = puissance r´eellement observ´ee lors d’un calcul

� Loi de Moore : Moore (1975) : Le nombre de transistors constituant un processeur double tous les 2 ans (10 ans = facteur 32)

source : http ://www.tablette-tactile.net ₃₉

� Aurait pu se poursuivre jusqu’en 2015 environ (�mur quantique�)

� Cependant, on observe un fl´echissement de la fr´equence d’horloge d`es 2003 et surtout apr`es 2006 : �mur thermique � = on ne sait plus ´evacuer la puissance

produite par le processeur

source :

http ://www.gotw.ca/publications

⇒ passage au multi-cœurs des ordinateurs individuels : puces constitu´ees de plusieurs processeurs

3.5.2. Supercalculateurs

� Analogie : construction d’un mur (adapt´e de V. Perrier)

Tˆache Temps de travail

�

Comment r´eduire le temps de travail (temps de calcul) ?

41

� D´ecomposition des tˆaches

❀ Principe

� Optimisation du temps de calcul ⇒ trouver un ordonnancement performant ⇒ HPC=High-Performance Computing

�

�

Trop de temps d’attente

43

�

�

�

�

Excellent !

45

� Machines vectorielles

❀ Con¸cues pour effectuer la mˆeme op´eration sur un vecteur (processeur vectoriel),

et non un seul r´eel (processeur scalaire)

❀ Traitement tr`es efficace des boucles :

DO I=1,10000 X(I)=Y(I)*Z(I) END DO

Processeur scalaire : it´erations les unes apr`es les autres Processeur vectoriel : N donn´ees trait´ees `a la fois

❀ Historiquement : la famille des Cray

Cray-2 : premier supercalculateur `a d´epasser le GFlops en 1985

❀ Bien d’autres, y compris la Playstation 2

� Machines parall`eles

Machines parall`eles : plusieurs processeurs ou cœurs (de 2 `a des millions) associ´es Portable � 4 cœurs_{� 40 GFlops (Giga = 10}9₎

� 8 Go Cluster Univ. Pau � 1088 cœurs � 73 TFlops (Tera = 1012₎ � 4,6 To Jean Zay IDRIS Paris � 61 120 cœurs � 4,9 Pflops (Peta = 1015₎ � 293 To Fugaku Japan � 7 299 072 cœurs � 514 Pflops � 4,8 Po 1 ×1825 1825 ×67 122 500 ×104 12 850 000 47

� M´emoire partag´ee ou distribu´ee

❀ M´emoire partag´ee : tous les processeurs ont acc`es `a la mˆeme m´emoire

✄ Il peuvent donc travailler en parall`ele sur les mˆemes donn´ees ✄ La programmation en est tr`es simplifi´ee

✄ Open-MP offre des directives pour parall´eliser certaines tˆaches dans les programme en fortran ou C

✄ Inconv´enient : limit´e `a un petit nombre de processeurs

❀ M´emoire distribu´ee : chaque processeur (ou groupe) poss`ede une m´emoire propre

✄ C’est le cas des machines massivement parall`eles

✄ En m´ecanique des fluides, on doit alors avoir recours `a la d´ecomposition de domaine

✄ Les processeurs communiquent entre eux par passage de messages

✄ MPI (Message-Passing Interface) est tr`es largement la biblioth`eque de fonction la plus utilis´ee

✄ Inconv´enient : n´ecessite un tr`es gros effort de programmation pour passer un code de calcul au parall`ele

❀ La plupart des machines sont hybrides : association en parall`ele d’odinateurs

3.5.3. Classements mondiaux (juin 2020)

Top 10 mondial, hors militaire (source : http ://www.top500.org)

49

Fugaku (1er mondial)

Puissance : 28 MW

R´epartition par pays de la puissance de calcul dans le top 500

51

10 premi`eres machines

franc¸aises

Chez PSA Chez EDF

Chez M´et´eo France

Augmentation rapide au d´ebut des ann´ees 2000

Exemples industriels en France

53 Z3 Mark 1 Eniac Univac IBM704 Univac LARC CDC 6600 CDC-7600 Cray-1 Cray-X-MP Cray 2 Cray-C90 Num.-Wind.-Tunnel ASCI-Red ASCI-White Earth-Simulator ASCI-Purple BlueGene/L RoadRunnerTianhe-1A Jaguar

K-Computer Sequoia (BleuGene/Q)Tianhe-2 Titan (Cray XK7)

Sunway TaihuLight SummitFugaku

1940 1950 1960 1970 1980 1990 2000 2010 2020 2030 10-1 100 101 102 103 104 105 106 107 108 109 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 kilo mega giga tera peta exa

Doublement tous les 13 mois Doublement tous les 2 ans

Ann´ee

F

lops

Evolution de la machine la plus puissante depuis 1940 (adapt´e de T.B. Gatski, communication priv´ee)

4. Cons´equences pour la simulation

� La m´emoire n´ecessaire pour calculer l’´ecoulement autour d’une voiture `a

100 km h−1 _{repr´esente 15000 fois le plus grand superordinateur ⇒ Le calcul est}

loin d’ˆetre possible

� Si le calcul ´etait possible, il prendrait 60 ans !

� Extrapolation : la DNS sera possible dans l’industrie automobile/a´eronautique en 2080 (´evaluation de Spalart, Boeing)

� En utilisant la puissance de calcul disponible aujourd’hui dans l’industrie automobile, il serait possible de r´ealiser une DNS d’une voiture `a seulement 1 km h−1

� En utilisant 100% du plus gros calculateur actuel (Summit) : DNS d’une voiture `a 5 km h−1

Limitation en m´emoire (4,8 Po).

55

� Obtenir l’ensemble des tourbillons n’est pas possible

4.1. Diff´erentes approches de mod´elisation

� Simulation des grandes ´echelles (Large Eddy Simulation, LES) : les ´echelles ´energ´etiques sont r´esolues, mais pas les ´echelles dissipatives

❀ M´ethode fiable sur des maillages suffisamment fins

❀ Probl`eme : pr`es de la paroi, le coˆut est � celui de la DNS

� Approche statistique (Reynolds-averaged Navier-Stokes, RANS) : seulement les statistiques sont calcul´ees (moyennes, moments d’ordre deux)

❀ Coˆut abordable ⇒ Standard dans l’industrie (codes commerciaux)

❀ Probl`eme : pas toujours fiable ; seulement les statistiques (manque l’information

instationnaire)

� Approches hybrides RANS/LES :

❀ Quelque part entre les deux

❀ De nombreuses approches diff´erentes : URANS, SDM, OES, VLES, DES, LNS,

PANS, XLES, PITM, TPITM, FSM, SBES, etc.

❀ En particulier : LES dans certaines regions/RANS dans d’autres (paroi)

57 ´Echelles r´esolues ´Echelles mod´elis´ees 10-1 100 101 102 103 104 10-10 10-8 10-6 10-4 10-2 100 E ( ω ) ω DNS 10-1 100 101 102 103 104 10-10 10-8 10-6 10-4 10-2 100 ω ωc LES 10-1 100 101 102 103 104 10-10 10-8 10-6 10-4 10-2 100 ω ωcvariable Hybride RANS/LES 10-1 100 101 102 103 104 10-10 10-8 10-6 10-4 10-2 100 ω RANS DNS Dispo. : 2080 LES Dispo. : 2070 Coˆut paroi ≃ DNS Dispo. : 2045 si lois de parois

Variable selon la r´egion

Hybride Dispo. : 2000

Exemple : ´ecoulement autour d’un cylindre

RANS URANS 2D URANS 3D

Hybride (DES) maillage grossier Hybride (DES) maillage fin � LES D’apr`es Spalart (2009), Re = 50000. 59

RANS Hybride LES DNS

Disponibilit´e (a´ero externe) 1985 2000 2070 (2045 si lois de parois) 2080 Applications M´ethode standard dans l’industrie Recherche appliqu´ee Recherche appliqu´ee Recherche Recherche active depuis 1877 (th´eorie) 1965 (simulations) 1997 1963 1987

4.2. Utilisation industrielle

� La LES : est utilis´ee en recherche appliqu´ee en a´ero interne (moteurs, chambres de combustion, ´el´ements de centrales, etc.) et peut ˆetre envisag´ee `a court terme dans un sous-domaine en a´ero externe (LES locale autour d’un r´etroviseur, par exemple).

Chambres de combustion : commence `a ˆetre utilis´ee pour la conception `a la place du RANS.

LES de l’allumage dans une chambre de combustion (code AVPB)

� Des m´ethodes hybrides sont d´ej`a disponibles dans la plupart des codes, mais leur immaturit´e les cantonnent pour l’instant en recherche appliqu´ee.

� Le standard pour les applications projet est la m´ethode RANS.

61

4.3. Formalisme

� Un op´erateur . est appliqu´e aux ´equations du mouvement (´equations de Navier-Stokes)

❀ RANS : op´erateur = moyenne statistique

❀ LES : op´erateur = filtre de convolution passe-bas

� Les variables physiques (vitesse u∗_{, pression p}∗_{) sont d´ecompos´ees en}

u∗ _{= u∗}

����

Champ r´esolu

+

_����

� ´Equations de Navier-Stokes :

∂u∗i

∂t = F(u ∗

i, p∗)

� D´ecomposition + application de l’op´erateur ⇒

∂u∗

i

∂t = F(u∗i, p∗) − ∂τij

∂xj

� `A cause de la non-lin´earit´e des ´equations :

τij = u∗_iu∗_j − u∗_i u∗_j

� Repr´esente l’influence du champ non-r´esolu sur le champ r´esolu (contrainte)

❀ RANS : τij = tenseur de Reynolds

❀ LES : τ_ij = tenseur de sous-filtre (ou sous-maille)

⇒

τ

n´ecessite un mod`ele

63

5. Vision d’ensemble des codes de calcul

� On peut classer les codes disponibles en trois grandes cat´egories :

❀ Codes �maison�

❀ Codes collaboratifs

5.1. Les codes �maison �

� D´evelopp´es dans les labos de recherche par des petites ´equipes, voire des individus

� Souvent tr`es sp´ecialis´es : peu flexibles mais tr`es efficaces (limit´es `a des g´eom´etries simples, `a un ph´enom`ene physique particulier, une m´ethode particuli`ere, etc.)

� Ils en existe d’innombrables : une bonne dizaine dans l’institut P’

65

5.2. Les codes �collaboratifs � (franco-centr´e)

� Certains centres de recherche (CEA, ONERA, CERFACS, IFP, etc.) ou grandes entreprises (Airbus, Dassault, EDF, etc.) d´eveloppent et utilisent des codes collaboratifs (plusieurs ´equipes, voire plusieurs organismes, nombreux utilisateurs)

� Cela n´ecessite un investissement important � Cela permet de :

❀ D´evelopper de grandes comp´etences en interne

❀ Avoir la main sur les d´eveloppements (applications sp´ecifiques)

❀ ´Eviter l’effet �boˆıte noire� des codes commerciaux

� Exemples :

❀ TRIO-U (CEA)

5.3. Les codes commerciaux

� Souvent tr`es g´en´eralistes (�savent tous faire�)

� Ils faut acheter des licences, souvent tr`es ch`eres (surtout pour calculs parall`eles) � Sont des boˆıtes noires (pas d’acc`es au code source)

� Modifiables via des � routines utilisateur�

� Exemples : ❀ Fluent ❀ StarCD ❀ StarCCM+ ❀ CFX ❀ Powerflow ❀ Xflow ❀ etc. 67 5.4. Initiatives open-source

� Les sources (le programme, pas seulement l’ex´ecutable) de certains codes sont disponibles `a tous, distribu´es gratuitement sous licence GNU-GPL

❀ Code Saturne d’EDF

❀ OpenFoam d’OpenCFD

❀ Incompac3d de Pprime/Imperial College

� Cette strat´egie peut avoir divers int´erˆets :

❀ Permettre le d´eveloppement du code `a moindre coˆut par la communaut´e des

utilisateurs (sur le mod`ele de Linux)

❀ Permettre une validation `a grande ´echelle

❀ Vendre des services associ´es (conseils, ´etudes, etc.), une strat´egie `a la Google (cas

OpenCFD)

5.5. Particularit´es des codes

� Outre les m´ethodes num´eriques, les type de maillage, etc., les codes ont des sp´ecificit´es diff´erentes.

� Certains ont ´et´e d´evelopp´es au d´epart pour faire des calculs RANS (ont souvent aussi des mod`eles LES) : Fluent, StarCD, CFX, elsA, ISIS, etc.

� D’autres pour permettre aussi la recherche appliqu´ee en LES (ont souvent aussi des mod`eles RANS) : TRIO-U, CEDRE, Saturne, AVBP, etc.

� Beaucoup int`egrent d´esormais des m´ethodes hybrides (DES, SAS) � Powerflow et Xflow sont des cas tr`es particuliers : par la m´ethode de

discr´etisation (la m´ethode Boltzman sur r´eseau), par sa mod´elisation de la turbulence (VLES)

69

6. Conclusion de cette partie g´en´erale

� On peut faire beaucoup de choses en m´ecanique des fluides num´eriques, mais le facteur limitant est la puissance de calcul, `a cause de la turbulence

� On est donc oblig´e de mod´eliser la turbulence

� Pour les applications industrielles (projets), la m´ethode standard est la mod´elisation RANS

� Il y a de nombreux param`etres qui influencent les r´esultats :

❀ Le maillage

❀ Les conditions aux limites/le domaine de calcul

❀ Les sch´emas de discr´etisation

� Mais ce qui a le plus d’influence sur les r´esultats, c’est le choix du mod`ele de turbulence : il est tr`es important de comprendre sur quelles hypoth`eses sont

� La seule mani`ere absolument rigoureuse de s’assurer de la qualit´e des r´esultats serait de tester, pour chaque cas, l’influence de tous ces param`etres ⇒ faire un grand nombre de calcul

� En pratique, c’est impossible

� Il faut accumuler un certain savoir-faire

� Souvent les ing´enieurs projet suivent une m´ethologie fix´ee : pr´econisation d’un mod`ele, types de maillages, tailles de domaine, sch´emas num´eriques, etc. � L’exp´erience accumul´ee permet de connaˆıtre aussi les limites de l’application

des calculs (r´ep´etabilit´e, param`etres influents, probl`emes de mod´elisation r´ecurrent, ´ecarts exp´erience/calcul, etc.)

� Ce savoir-faire doit ˆetre entretenu en permanence :

❀ les mod`eles ´evoluent

❀ la puissance de calcul disponible ´evolue tr`es vite

Mod´elisation statistique de la

turbulence

(RANS)

1. Introduction

� But de la mod´elisation de la turbulence : remplacer les ´equations de Navier–Stokes par un mod`ele.

❀ La r´esolution du syst`eme d’´equations (le mod`ele) doit ˆetre la moins ch`ere

possible : le calcul en une nuit est n´ecessaire pour les ´etudes param`etriques et beaucoup plus court pour l’optimisation.

❀ Le mod`ele doit ˆetre pr´edictif : on ne doit avoir besoin que des conditions de

l’´ecoulement ⇒ aucune connaissance a priori de la solution.

❀ Le mod`ele doit repr´esenter au mieux la physique de l’´ecoulement.

75

❀ Le mod`ele doit donner les quantit´es utiles :

✄ Au minimum des grandeurs globales : forces a´erodynamiques (traˆın´ee, portance), transferts thermiques entre fluides et solides, m´elange d’un polluant, etc. ; ✄ tr`es souvent : variations de ces grandeurs avec les param`etres (vitesse, ´ecart de

temp´erature, param`etre de forme), ce de mani`ere `a pouvoir optimiser un syst`eme ; ✄ mais aussi : position des d´ecollements de couches limites, champ de pression `a la

paroi, structure de l’´ecoulement, position des chocs, sources acoustiques, etc. ; ✄ et de plus en plus : r´eponse `a l’application d’une strat´egie de contrˆole (soufflage,

aspiration, MEMS, etc..).

⇒ La mod´elisation de la turbulence est la science qui consiste `a construire ces mod`eles, dans le but de leur utilisation par les ing´enieurs.

Cette science est `a la recherche d’un but inaccessible : fournir un mod`ele simple, peu coˆuteux, pour toutes les situations.

2. Livres

� Turbulence et mod´elisation :

❀ Pope, S. – Turbulent Flows – Cambridge University Press, Cambridge, UK, 2000. ❀ Chassaing, P. – Turbulence en m´ecanique des fluides. Analyse du ph´enom`ene en vue

de sa mod´elisation `a l’usage de l’ing´enieur – Toulouse, France, C´epadu`es-´Editions, 2000, Collection Polytech.

❀ Davidson, P. A. – Turbulence : An Introduction for Scientists and Engineers – OUP Oxford, 2004.

❀ Durbin, P. A. and Pettersson Reif, B. A. – Statistical Theory and Modeling for Turbulent Flows – John Wiley & Sons, Ltd, Chichester, UK, 2001.

❀ Hanjali´c, K. and Launder, B. – Modelling Turbulence in Engineering and the Environment – Cambridge University Press

❀ Deville, M.O. and Gatski, T.B. – Mathematical Modeling for Complex Fluids and Flows – Springer, 2012.

❀ Bailly, Ch., Comte-Bellot, G. – Turbulence – CNRS ´editions, Paris, 2003.

❀ Viollet, P.-L. , Chabard, J.-P. , Esposito, P. and Laurence, D. – M´ecanique des fluides appliqu´ee – Presses de l’´Ecole nationale des ponts et chauss´ees, Paris, 1998.

❀ Sagaut, P., Deck, S. and Terracol, M. – Multiscale and multiresolution approaches in turbulence. Imperial College Press, London, 2006.

� M´ethodes num´eriques :

❀ Ferziger, J. H. and Peri´c, M. – Computational methods for fluid dynamics – Springer,

1996. 77

3. Rappel : les ´equations de Navier–Stokes

� Notations : en mod´elisation RANS, les grandeurs instantan´ees sont en g´en´eral not´ees f∗_{, les grandeurs moyennes F (moyenne de Reynolds) et les grandeurs}

fluctuantes f

� On utilise la notation d’Einstein : sommation implicite sur les indices r´ep´et´es dans un terme. En clair :

∂φi

∂t + uk ∂φi

∂xk = 0

est une notation compacte pour

∂φ1 ∂t + u1 ∂φ1 ∂x1 + u2 ∂φ1 ∂x2 + u3 ∂φ1 ∂x3 = 0 ∂φ2 ∂t + u1 ∂φ2 ∂x1 + u2 ∂φ2 ∂x2 + u3 ∂φ2 ∂x3 = 0 ∂φ3 ∂t + u1 ∂φ3 ∂x1 + u2 ∂φ3 ∂x2 + u3 ∂φ3 ∂x3 = 0

Il n’y a pas de sommation sur i car il n’est pas r´ep´et´e dans un seul terme. Cette ´equation `a deux termes repr´esente donc en fait 3 ´equations `a 4 termes. C’est compact !

Attention : ∂2φ

∂x2_k (pas de r´ep´etition) est diff´erent de

∂2φ ∂xk∂xk

79

� Bien que les ´equations de base utilis´ee en m´ecanique de fluides soient bien connues, il est utile de les rappeler ici car la mani`ere de les ´etablir est tr`es similaire `a ce qui sera fait plus loin en mod´elisation de la turbulence. On peut r´esumer la d´emarche en trois ´etapes :

❀ ´ecriture des ´equations de conservation ;

❀ fermeture du syst`eme `a l’aide de lois de comportement, qui introduisent des

variables d’´etat qui d´ecrivent l’´etat macroscopique du fluide en un point donn´ee

et `a un instant donn´e ;

´

Equations de conservation :

� Conservation de la masse (continuit´e) : ∂ρ∗

∂t + ∂ρ∗u∗_i

∂xi

= 0

� Conservation de la quantit´e de mouvement : ∂ρ∗u∗i

∂t + ∂ρ∗u∗_iu∗_j ∂xj = ∂σ∗ij ∂xj + ρ∗_g i � Conservation de l’´energie : ∂ρ∗e∗ ∂t + ∂ρ∗u∗_ie∗ ∂xi = σ∗ ijs∗ij − ∂ ∂xi γi

� Ces ´equations d´ecrivent le comportement du fluide `a l’´echelle macroscopique, quel que soit le type de fluide. Cependant, on peut voir qu’elles contiennennt 14 inconnues :

❀ la masse volumique ρ∗;

❀ les trois composantes de la vitesse u∗_i ;

❀ les six composantes ind´ependantes du tenseur des contraintes σ∗_ij (tenseur

sym´etrique) ;

❀ l’´energie interne e∗;

❀ et les trois composantes du flux de chaleur γi;

pour seulement 5 ´equations.

� Pour fermer ce syst`eme, il faut introduire des lois de comportement, qui d´ecrivent les

propri´et´es du fluide (et sont donc d´ependantes du fluide). 81

Lois de comportement :

Un fluide est dit newtonien, s’il peut ˆetre d´ecrit par des lois lin´eaires donnant : � le tenseur des contraintes σ∗

ij en fonction de la d´eformation s∗ij (loi de Newton) :

σij∗ =

�

�

�

�

, et δij est le tenseur identit´e (symbole de Kronecker),

� et le flux de chaleur γi en fonction du gradient de temp´erature (loi de Fourier) :

γi = −k∂T

∗

� On a bien les 9 ´equations manquantes.

� Les propri´et´es du fluide (viscosit´e dynamique µ et viscosit´e volumique λ, conductivit´e k) sont connues.

� Mais on a introduit deux variables d’´etat (pression p∗ _{et temp´erature T}∗_{) qui}

permettent de d´ecrire l’´etat du fluide au point et `a l’instant consid´er´e

(c’est-`a-dire de d´ecrire `a l’´echelle macroscopique les propri´et´es de l’agitation mol´eculaire).

⇒ On a besoin de se donner des relations suppl´ementaires, dites lois d’´etat, qui permettent d’obtenir l’´evolution de ces variables d’´etat.

83

Lois d’´etat :

� Pour un gaz parfait, on ´ecrit :

p∗= ρ∗rT∗ (3)

et

de∗_{= C}

vdT∗ (4)

� La premi`ere relation est remplac´ee par

∂u∗i

∂xi = 0 (5)

dans le cas d’un ´ecoulement incompressible (introduisant le paradoxe bien connu : la loi d’´etat ne fait pas intervenir la pression).

� Les solutions de ce syst`eme sont tr`es complexes, et contiennent tous les effets observ´es dans un ´ecoulement de fluide newtonien : tourbillons (notamment en ´ecoulement turbulent), chocs, ondes acoustiques, transformation d’´energie cin´etique en chaleur, etc.

� Ce syst`eme peut ´eventuellement ˆetre simplifi´e, mais cela n´ecessite de se demander :

❀ Quelles hypoth`eses permettent de faire ces simplifications ?

❀ Est-ce que cela permet de r´epondre au probl`eme ?

� Exemple : on suppose souvent que µ, λ, k et Cv sont ind´ependants de la

temp´erature.

Attention : s’il y a de grandes variations de temp´erature, ce n’est plus valable. � ´Ecoulement incompressible (div u∗

i = 0).

Il n’existe pas de fluide incompressible ! Cependant, supposer que les effets de la compressibilit´e sont n´egligeables est justifi´e dans de nombreux cas (faible

nombre de Mach).

Attention : cela exclut de la solution les ondes acoustiques et les chocs. ₈₅

� Approximation bas-Mach :

❀ Pour les bas nombres de Mach, on peut supposer que la masse volumique ne

d´epend plus de la pression, mais seulement de la temp´erature :

ρ∗= f(P∗, T∗)

❀ Pour un gaz parfait, on a

p∗= ρ∗rT∗ et donc dρ∗₌ ∂ρ∗ ∂P∗

�

�

�

�

�

�

❀ L’´ecoulement est ainsi consid´er´e incompressible, mais la masse volumique varie

comme l’inverse de la temp´erature : le fluide est dilatable.

❀ Les ´equations du mouvement peuvent ˆetre obtenus par d´eveloppements

� Une approximation tr`es fr´equente, quand les diff´erences de temp´eratures sont faibles, est l’approximation de Boussinesq : les variations de masse volumique peuvent ˆetre n´eglig´ees dans les ´equations de Navier–Stokes (ρ∗ _{= ρ0), sauf dans le terme de flottabilit´e ρ}∗_g

i (pouss´ee d’Archim`ede).

� Simplification suppl´ementaires usuelles :

❀ µ, k et Cv sont suppos´es ind´ependants de la temp´erature

❀ On utilise un d´eveloppement limit´e de la masse volumique autour de la

temp´erature de r´ef´erence T∗ 0 : ρ∗= ρ∗₀ − βρ∗0(T∗− T0∗) avec β = − 1 ρ∗₀ ∂ρ∗

∂T (coefficient de compressibilit´e isobare)

de sorte que le terme de flottabilit´e s’´ecrit : ρ∗_g

i = ρ∗₀gi− ρ∗₀giβ(T∗− T₀∗)

87

� Lorsque les variations de temp´erature sont faibles et les effets de flottabilit´e sont n´egligeables (convection forc´ee), on peut consid´erer que ρ∗_=constante

(not´ee alors simplement ρ).

Les ´equations de Navier–Stokes se r´eduisent alors `a

∂u∗i ∂xi = 0 (6) ∂u∗i ∂t + u ∗ j ∂u∗i ∂xj = − 1 ρ ∂p∗ ∂xi + gi+ ν ∂2u∗i ∂xj∂xj (7) ∂T∗ ∂t + u ∗ i ∂T∗ ∂xi = α ∂2T∗ ∂xi∂xi + 2 µ ρCv s∗ijs∗ij (8)

� Remarques :

❀ la viscosit´e volumique λ a disparu ;

❀ la viscosit´e cin´ematique ν = µ/ρ et la diffusivit´e thermique α = k/ρCv

apparaissent naturellement ;

❀ la dynamique ne d´epend plus de la thermique ⇒ on peut r´esoudre la dynamique,

Eqs. (6) et (7), puis utiliser le champ de vitesse solution dans l’´equation de la temp´erature ⇒ on dit alors que la temp´erature est un scalaire passif ;

❀ si l’´ecoulement est isotherme (T∗= constante), l’´equation (8) disparaˆıt.

89

� Si le champ de gravitation est orient´e suivant −z : gi =













� On constate donc que si on peut n´egliger les forces de flottabilit´e, la gravit´e n’a aucune influence sur les vitesses : elle ne fait que modifier la pression.

� La plupart du temps, dans les codes de calcul, lorsqu’on peut n´egliger les forces de flottabilit´e, on utilise p∗∗_{, et ainsi g}

i disparaˆıt des ´equations.

Attention : cela ne veut pas dire qu’on n´eglige la gravit´e, mais qu’on inclut la pression hydrostatique dans p∗∗_.

3.1. La d´ecomposition de Reynolds

� En mod´elisation RANS, la premi`ere des mod´elisations consiste `a supposer que les grandeurs instantan´ees sont des variables al´eatoires :

⇒ on suppose que l’´ecoulement a un comportement al´eatoire, alors que manifestement les ´equations de Navier–Stokes sont d´eterministes.

C’est le caract`ere chaotique du syst`eme qui permet de faire cette hypoth`ese. ⇒ Le caract`ere d´eterministe de la turbulence n’est pas pris en compte : notamment, la pr´esence de structures coh´erentes (tourbillons `a grande ´echelle, souvent `a caract`ere pseudo-p´eriodique) peut jouer un rˆole important dans l’´ecoulement (cf. figure ci-dessous).

⇒ Cela suppose aussi que l’´ecoulement est pleinement turbulent : le probl`eme de la transition `a la turbulence sort du cadre de ce cours.

91

Couche de m´elange derri`ere une plaque ´epaisse

Exp´eriences de Perret et Delville (Institut Pprime, universit´e de Poitiers/CNRS/ENSMA)

� On d´ecompose l’´ecoulement en partie moyenne/partie turbulente en introduisant la moyenne de Reynolds :

en mod´elisation RANS, cette moyenne est not´ee .

Vitesses moyennes : Ui = u∗_i

Vitesses fluctuantes : ui = u∗_i − Ui

Pression moyenne : P = p∗∗ (donc, la pression hydrostatique est incluse)

Pression fluctuante : p = p∗∗_{− P}

93

� La moyenne de Reynolds d’une variable turbulente (al´eatoire) f∗ _{est sa}

moyenne statistique, ´equivalente `a sa moyenne d’ensemble (loi des grands nombres), d´efinie par :

f∗(x, t) = lim N→∞

�

�

�

c’est-`a-dire, ´evalu´ee en chaque point et `a chaque instant en faisant un grand nombre de mesures. 0.5 1 U ( t) R´ealisations

Dans de nombreux cas, la moyenne d’ensemble peut s’exprimer de mani`ere plus simple `a mesurer :

� Stationnarit´e statistique = les grandeurs statistiques sont ind´ependantes du temps : f∗(x, t) = f∗(x). Dans ce cas, la moyenne d’ensemble est ´equivalente `a

une moyenne temporelle :

f∗(x) = lim T→∞ 1 T � T 0 f∗(x, t)dt (10)

� Homog´en´eit´e statistique dans une (ou plusieurs) direction = les grandeurs statistiques sont ind´ependantes de la position (ici x) : f∗(x, y, z, t) = f∗(y, z, t).

Dans ce cas, la moyenne d’ensemble est ´equivalente `a une moyenne spatiale : f∗(y, z, t) = lim L→∞ 1 L � L 0 f∗(x, y, z, t)dx (11)

� P´eriodicit´e statistique = les grandeurs statistiques sont p´eriodiques de p´eriode τ : f∗(x, t) = f∗(x, φ) o`u φ = 2πt/τ modulo 2π. Dans ce cas, la

moyenne d’ensemble est ´equivalente `a une moyenne de phase : f(x, t) = lim N→∞ 1 N+ 1 N � n=0 f(x, t + nτ) (12) 95 3.2. Le probl`eme de fermeture

� La d´ecomposition de Reynolds conduit aux ´equations de Navier–Stokes moyenn´ees : ∂Ui ∂xi = 0 (13) ∂Ui ∂t + Uj ∂Ui ∂xj = − 1 ρ ∂P ∂xi + ν ∂2Ui ∂xj∂xj − ∂uiuj ∂xj (14)

� On a 4 ´equations pour 10 inconnues : P , U, V , W , u2_{, v}2_{, w}2_{, uv, uw, vw.}

� Si on ´ecrit les ´equations de transport du tenseur de Reynolds uiuj : ∂uiuj ∂t + Uk ∂uiuj ∂xk

� �� �

� �� �

�

��

�

�

��

�

�

��

�

�

��

�

... mais malheureusement 34 nouvelles inconnues : uiujuk, ui ∂p

∂xj,

∂ui

∂xk

∂uj

∂xk

⇒ le probl`eme est toujours ouvert.

� On pourrait ´ecrire des ´equations pour ces inconnues, mais on ferait apparaˆıtre encore plus de nouvelles inconnues.

� On doit donc d´ecider `a quel niveau on s’arrˆete.

97

� Mod´elisation au premier ordre (ou `a viscosit´e turbulente) :

❀ Les 4 ´equations (13) et (14) sont r´esolues.

⇒ on obtient les moments d’ordre 1 : U, V , W , P

❀ On doit donc �inventer� une relation donnant les variables non r´esolues en

fonction des variables r´esolues :

une relation donnant les moments d’ordre 2 (les uiuj) en fonction des moments

d’ordre 1 s’appelle un mod`ele au premier ordre, ou, plus g´en´eralement, un mod`ele

`a viscosit´e turbulente.

❀ C’est l’´equivalent d’une loi de comportement pour un mat´eriau (constitutive

relation en anglais) : par exemple, pour un fluide newtonien incompressible, on

relie le tenseur des contraintes `a la d´eformation par la relation :

σ_ij∗ = −p∗δij+ 2µs∗ij

Il s’agit d’un mod`ele pour le fluide, le mod`ele de Newton. Il permet de fermer le syst`eme (´equations de Navier–Stokes).

❀ Un mod`ele de turbulence au premier ordre est l’´equivalent pour le �fluide

turbulent� du mod`ele de Newton : il relie le tenseur de Reynolds (qui joue

exactement le rˆole d’une contrainte dans l’´equation (14) `a la pression moyenne et au tenseur des taux de d´eformation moyens.

D’ailleurs, les mod`eles les plus simples sont bas´es sur la relation de Boussinesq, directement calqu´ee sur la relation de Newton :

−ρuiuj = −2₃ρkδij + 2µtSij o`u Sij = 1₂

�

�

2uiui est l’´energie turbulente.

99

� Mod´elisation au second ordre (aux tensions de Reynolds) :

❀ On r´esout les 4 ´equations (13) et (14)

⇒ pour obtenir les moments d’ordre 1 : U, V , W , P

❀ On r´esout ´egalement les 6 ´equations de transport du tenseur de Reynolds (15)

⇒ pour obtenir les moments d’ordre 2 : uiuj

❀ On doit donc �inventer� des relations donnant les variables non r´esolues en

fonction des variables r´esolues :

des relations donnant les moments inconnus

�

�

❀ C’est ´egalement l’´equivalent d’une loi de comportement, mais tr`es complexe.

Exemple : le mod`ele de Daly et Harlow pour des corr´elations triples s’´ecrit :

uiujuk = −Csk

εukul ∂uiuj

❀ La mod´elisation au second ordre r´esout les ´equations des tensions de Reynolds, alors que la mod´elisation au premier ordre les ´evaluent `a partir des vitesses et pression moyennes par une simple relation alg´ebrique : les mod`eles au second

ordre contiennent donc forcement �plus de physique�.

❀ En particulier, les termes de production ne n´ecessitent aucune mod´elisation, car

ils ne font intervenir que des moments d’ordre inf´erieur ou ´egal `a deux :

Pij = − uiuk ∂Uj ∂xk − u juk ∂Ui ∂xk

Ces termes ont une influence fondamentale.

101

� Une question nous brˆule les l`evres : de quel niveau de mod´elisation a-t-on besoin ?

Cette question n’a malheureusement pas de r´eponse simple, pour plusieurs raisons :

❀ Cela d´epend de l’effort qu’on est prˆet `a mettre dans l’´etude : les mod`eles au

second ordre ne coˆutent pas beaucoup plus cher en temps de calcul, mais ils sont un peu plus d´elicats `a manipuler.

❀ Cela d´epend des objectifs que l’on se fixe : les grandeurs globales (traˆın´ee,

portance, flux de chaleur global) ou des d´etails bien plus pr´ecis (position des d´ecollements, structure de l’´ecoulement, ´echelles turbulentes, anisotropie, etc.).

� Mais cela ne suffit pas : tout d´epend du type d’´ecoulement !

❀ Pour un ´ecoulement attach´e (aile d’avion `a faible incidence), un mod`ele tr`es

simple peut suffire pour obtenir la traˆın´ee (mod`ele de longueur de m´elange).

❀ Pour des ´ecoulements plus complexes, un mod`ele tr`es sophistiqu´e peut ˆetre

n´ecessaire pour obtenir la traˆın´ee !

❀ En r`egle g´en´erale, la compr´ehension des m´ecanismes physiques en jeu dans un

´ecoulement et une bonne connaissance du potentiel des mod`eles pour reproduire ces m´ecanismes est n´ecessaire pour trouver la bonne ad´equation.

❀ Il n’existe pas de mod`ele �universel�, qui sache tout faire et qui marche dans

toutes les situations !

103

� Exemple : le corps de Ahmed (voiture simplifi´ee)

D’apr`es Manceau (2003)

D’apr`es Ahmed et al. (1984)

❀ La structure de l’´ecoulement est tr`es complexe.

❀ La pression sur la surface du corps est tr`es d´ependante des d´ecollements.

⇒ Un mod`ele tr`es raffin´e est n´ecessaire, mˆeme pour obtenir simplement la traˆın´ee globale (en fait, actuellement, aucun mod`ele RANS ne donne satisfaction !)

3.3. Un rapide survol historique des diff´erents types de mod`eles

3.3.1. Avant l’av`enement de l’informatique : les pionniers

1877 Boussinesq invente le concept de viscosit´e turbulente.

❀ Raisonnement ph´enom´enologique simple : le �mat´eriaux turbulent� se

comporte comme un fluide newtonien, avec une viscosit´e beaucoup plus forte

❀ C’est le premier mod`ele de turbulence.

❀ La notion de viscosit´e turbulente est introduite.

105

� Quel est le raisonnement de Boussinesq ? En observant les ´ecoulements de rivi`eres, il a compris que :

❀ La turbulence augmente fortement le m´elange

Exp´erience de Reynolds (1883) : ´ecoulement dans un tube, transport d’un colorant

Laminaire Turbulent

❀ La turbulence est `a l’origine d’une r´esistance `a l’´ecoulement plus forte qu’en

� Interpr´etation moderne : ´equations de Navier–Stokes ∂u∗i ∂t + u ∗ j ∂u∗i ∂xj = 1ρ ∂σij∗ ∂xj = − 1 ρ ∂p∗ ∂xi + ν ∂2u∗i ∂xj∂xj ∂ρCvT∗ ∂t + u ∗ i ∂ρCvT∗ ∂xi = ∂γi ∂xi + σ ∗ ijs∗ij = α ∂2ρCvT∗ ∂xi∂xi + 2ρνs ∗ ijs∗ij

La mod´elisation du tenseur des contraintes σ∗

ij en faisant intervenir une

viscosit´e mol´eculaire conduit `a l’apparition de deux effets :

❀ Une diffusion dans l’´equation de la quantit´e de mouvement ν ∂

2_u∗

i

∂xj∂xj

❀ Une dissipation d’´energie m´ecanique en chaleur 2ρνs∗_ijs∗_ij

107

� L’id´ee de Boussinesq peut alors se traduire ainsi :

❀ L’augmentation du m´elange par la turbulence peut se mod´eliser comme un effet

de diffusion moyenne

❀ La r´esistance `a l’´ecoulement peut se mod´eliser comme un effet de dissipation

moyenne

⇒ Tout se passe comme si on avait une forte viscosit´e suppl´ementaire introduite dans l’´ecoulement

� ´Equation de la quantit´e de mouvement moyenne : ∂Ui ∂t + Uj ∂Ui ∂xj = − 1 ρ ∂P ∂xi + ν ∂2Ui ∂xj∂xj − ∂uiuj ∂xj

❀ _−ρuiuj joue exactement le mˆeme rˆole que σ_ij∗ ⇒ on l’appelle tenseur des

contraintes de Reynolds

❀ On choisit donc de le mod´eliser en introduisant une viscosit´e turbulente : ν est

remplac´e par ν + νt o`u νt � ν :

ν ∂ 2_U i ∂xj∂xj − ∂uiuj ∂xj = ν ∂2Ui ∂xj∂xj + ∂ ∂xj

�

�

�

�

❀ On sait aujourd’hui que le mod`ele doit s’´ecrire :

uiuj = −2νtSij + 2₃kδij o`u Sij = 1₂

�

�

C’est la fameuserelation de Boussinesq

❀ On note que la demi-trace du tenseur est correcte :

1

2uiui = −νtSii+ 1₃kδii= k car Sii = 0

o`u k = 1

❀ L’introduction de la viscosit´e turbulente conduit bien `a :

✄ Une forte diffusion dans l’´equation de la quantit´e de mouvement moyenne : ∂ ∂xj

�

�

✄ Une forte dissipation de l’´energie m´ecanique moyenne : 2ρ(ν + νt)SijSij

(l’´energie n’est pas directement dissip´ee en chaleur, mais d’abord transform´ee en ´energie turbulente, comme on le verra plus loin)

111

❀ En comparant cette relation avec la loi de comportement pour les fluides

newtoniens, on voit `a quel point ce mod`ele est similaire au mod`ele de Newton.

❀ La viscosit´e turbulente et l’´energie turbulente jouent respectivement des rˆoles

´equivalents `a ceux de la viscosit´e mol´eculaire et de la pression.

❀ Cependant, ce mod`ele ne dit pas comment calculer νt et k, qui varient fortement

au sein d’un ´ecoulement et d’un ´ecoulement `a l’autre.

❀ Ce type de mod`eles est appel´e mod`ele alg´ebrique, ou mod`ele `a z´ero ´equation.

Mod`ele `a n ´equation = mod`ele n´ecessitant la r´esolution de n ´equations en plus

Digression :

Si on introduit la relation de Boussinesq dans les ´equations des vitesses moyennes :

∂Ui ∂t + Uj ∂Ui ∂xj = − 1 ρ ∂P ∂xi + ν ∂2Ui ∂xj∂xj − ∂uiuj ∂xj on obtient ∂Ui ∂t + Uj ∂Ui ∂xj = − 1 ρ ∂ ∂xi

�

�

�

�

��

�

�

��

Navier–Stokes, l’´energie turbulente dans les ´equations moyenn´ees ne modifie pas les

vitesses, mais seulement la pression ⇒ la connaissance de νt suffit pour ´evaluer les

vitesses moyennes.

Attention : dans beaucoup de codes de calcul, c’est effectivement l’´equation (16) qui est r´esolue

⇒ Ce n’est pas P qui est donn´e par le calcul, mais P∗.

113

� Ce sont les plus grands tourbillons (´echelle int´egrale) qui m´elangent le plus efficacement ⇒ νt est li´e `a leurs caract´eristiques

� En effet, consid´erons, pour simplifier, le m´elange d’un scalaire passif (temp´erature, concentration chimique, etc.) :

❀ Par exemple, `a un instant donn´e, on introduit une goutte de colorant

(concentration instantan´ee=φ∗_{) dans un ´ecoulement turbulent sans vitesse}

moyenne

� Qu’observe-t-on en moyenne ? (c’est-`a-dire en r´ep´etant la mˆeme exp´erience un grand nombre de fois)

� La tˆache de colorant s’´etend progressivement et la concentration diminue, `a cause du m´elange.

⇒ Tout se passe, en moyenne, comme s’il s’agissait d’un processus de diffusion.

115

⇒ Il est l´egitime de mod´eliser l’effet moyen du m´elange turbulent par une diffusion additionnelle.

❀ On appelle donc diffusion turbulente cet effet moyen qui est en fait dˆu `a la

convection par l’agitation turbulente (transport turbulent).

❀ On voit encore une fois le parall`ele avec la m´ecanique des milieux continus : ce

qu’on appelle diffusion mol´eculaire ou diffusion visqueuse est l’effet macroscopique du m´elange dˆu `a l’agitation mol´eculaire.

� Le mod`ele diffusif doit ˆetre calibr´e de mani`ere `a reproduire l’effet moyen du m´elange turbulent.

❀ ´Equation de convection pure : dφ

∗ dt = ∂φ∗ ∂t + u ∗ k ∂φ∗ ∂xk = 0

❀ Notons τ le temps n´ecessaire pour que les gros tourbillons, de taille �,

transportent le colorant sur la distance �.

❀ Ordres de grandeur : φ ∗ τ � u φ∗ � ⇒ τ � � u

o`u u et � sont les ´echelles int´egrales de vitesse et de longueur (´echelles caract´eristiques des plus grands tourbillons).

117

❀ D´ecomposition : φ∗= Φ + φ et u∗_k = u_k (vitesse moyenne= 0)

❀ ∂φ ∗ ∂t + u∗k ∂φ∗ ∂xk = ∂Φ ∂t + ∂φ ∂t + uk ∂Φ ∂xk + uk ∂φ ∂xk = 0 ❀ En moyenne : ✄ ∂Φ ∂t + ∂φ ∂t + uk ∂Φ ∂xk + uk ∂φ ∂xk = 0 ✄ ∂Φ ∂t + ∂φ ∂t + uk ∂Φ ∂xk + uk ∂φ ∂xk = 0 (lin´earit´e) ✄ ∂Φ ∂t + ∂φ ∂t + ∂ukΦ ∂xk + ∂ukφ ∂xk = 0 car ∂ukφ ∂xk = uk ∂φ ∂xk + φ∂uk ∂xk et ∂uk ∂xk = 0 (incompressibilit´e) ✄ ∂Φ ∂t + ∂φ ∂t + ∂ukΦ ∂xk + ∂ukφ ∂xk = 0 (commutation)

❀ On voit que l’effet moyenn´e de la convection turbulente est refl´et´e par la pr´esence

du moment d’ordre deux ukφ.

❀ Comme on ne r´esout pas les tourbillons, on cherche `a repr´esenter l’effet de

m´elange moyen par une diffusion :

❀ En moyenne, on veut que le mod`ele de diffusion ´etale la tache de colorant sur la

mˆeme distance � pendant le mˆeme temps τ que le fait le m´elange turbulent.

119

❀ ´Equation de diffusion pure :

✄ ∂Φ ∂t = ∂ ∂xk

�

�

⇒ On voit que pour que le mod`ele de diffusion repr´esente correctement l’effet de m´elange moyen, on doit avoir

αt � �u

❀ Remarque : dans ce cas d’un scalaire passif, la diffusivit´e turbulente ne d´epend

� Si on applique le mˆeme raisonnement non plus `a un scalaire φ∗ <sub>mais `a la</sub>

quantit´e de mouvement (par unit´e de volume) ρu∗

i, on arrive exactement `a la

mˆeme conclusion :

❀ Le m´elange de quantit´e de mouvement est dˆu `a l’effet moyen de la convection de

la quantit´e de mouvement par la vitesse fluctuante :

uj∂ρui

∂xj

= ∂ρuiuj

∂xj

❀ C’est le terme qui apparaˆıt dans l’´equation de la quantit´e de mouvement moyenne

(tenseur de Reynolds).

❀ On mod´elise cet effet moyen de la convection fluctuante par une diffusion :

∂ ∂xk

�

�

❀ La viscosit´e turbulente doit ´egalement satisfaire : νt� �u

121

1925 Prandtl introduit le concept de longueur de m´elange, qui permet d’´evaluer νt.

� On a vu que νt� �u, mais comment ´evaluer � et u ?

� Dans une couche limite sur plaque plane (mod`ele id´ealis´e de la couche limite sur une aile d’avion), on veut reproduire la vitesse longitudinale U.

U

� Comme les variations suivant x sont tr`es lentes par rapport `a celles suivant

y, la seule composante importante du tenseur de Reynolds dans l’´equation de U

est uv. Si on ne garde que les termes dominants, l’´equation de U se r´eduit `a

U∂U ∂x + V ∂U ∂y = − 1 ρ ∂P ∂x + ν ∂2U ∂y2 − ∂uv ∂y

� Argument de la particule d´eplac´ee :

❀ Imaginons une particule fluide situ´ee `a la hauteur y qui suit l’´ecoulement moyen

(u∗_{= U(y))}

U

❀ On la d´eplace verticalement vers le haut : autrement dit, on lui donne une vitesse

v∗>0. Sa vitesse fluctuante verticale (´ecart entre la vitesse instantan´ee et la

vitesse moyenne) est donc v = v∗_{− V = v}∗_>0

❀ On suppose qu’elle reste intacte, puis qu’elle se m´elange avec le fluide ambiant

apr`es une certaine distance �m appel´ee longueur de m´elange.

Autrement dit, elle conserve sa quantit´e de mouvement, puis apr`es avoir parcouru

la distance �m, elle ´echange sa quantit´e de mouvement avec le fluide ambiant.

123

❀ Juste avant de se m´elanger, la vitesse instantan´ee est donc inchang´ee : u∗= U(y)

❀ Sa vitesse fluctuante (par rapport `a la vitesse moyenne locale) est donc :

u= u∗− U(y + �m) = U(y) − U(y + �m) � −�m∂U

∂y <0

❀ u est n´egatif lorsqu’on d´eplace la particule vers le haut (v > 0), parce ∂U

∂y >0.

On peut voir facilement que u > 0 lorsqu’on d´eplace la particule vers le bas (v < 0). On a donc toujours uv < 0, et en moyenne uv < 0 (plus exactement, uv

est toujours du signe oppos´e `a celui de ∂U

∂y).

❀ On a vu plus haut que la viscosit´e turbulente ´etait νt= �u, o`u � est la taille des

plus gros tourbillons. On peut voir exp´erimentalement que �m� � � κy, o`u κ est

appel´ee la constante de Karman. On obtient alors

νt = �2m

�

�

�

�

�

�

�

�

�

�

�

�

❀ Ces arguments sont similaires `a ceux de la th´eorie cin´etique des gaz. La longueur

� Pour ˆetre valable quelle que soit la direction du cisaillement, cette relation doit ˆetre g´en´eralis´ee :

νt= �2m

�

2SijSij

� Cette id´ee a fait ses preuves non seulement en couche limite, mais aussi pour les ´ecoulements cisaill´es libres (jets, couches de m´elange, sillages), pour lesquels on peut relier la longueur de m´elange `a l’´epaisseur de la couche cisaill´ee.

Couche de m´elange Jet plan Jet rond Sillage plan

D’apr`es Viollet et al. (1998)

125

� Il s’agit ´egalement d’un mod`ele au premier ordre alg´ebrique (z´ero ´equation).

� Cette approximation est tr`es utile pour des ´evaluations � de coin de table�.

� Sous des formes un peu plus ´elabor´ees, elle est utilis´ee en a´eronautique, pour les ´ecoulements attach´es (cf. plus loin Cebeci et Smith, Baldwin et Lomax).

1942

1945 Ind´ependamment, Kolmogorov et Prandtl proposent de relier l’´echelle de vitesse turbulente `a l’´energie turbulente :

u_∝√k

❀ En introduisant un coefficient Cµ, on a :

νt= Cµ

√

k �

relation connue sous le nom de relation de Prandtl–Kolmogorov.

127

❀ Deux equations d’´etat sont alors n´ecessaires pour ´evaluer ces variables.

❀ Prandtl propose de r´esoudre une ´equation de transport pour k, qui est bas´e sur

l’´equation exacte de k, dans laquelle on mod´elise les termes inconnus.

⇒ C’est un mod`ele au premier ordre. C’est le premier mod`ele `a 1 ´equation.

Il n´ecessite toujours de prescrire une ´echelle de longueur �.

❀ Kolmogorov propose de plus d’´evaluer cette ´echelle de longueur par :

�=

√

k ω

o`u ω est une fr´equence caract´eristique des gros tourbillons. Il propose de r´esoudre une ´equation de transport pour ω

⇒ c’est toujours un mod`ele au premier ordre. C’est le premier mod`ele `a 2